基于嵌入式系统的机器视觉识别与定位-课件.pptVIP

机器视觉技术简介机器视觉是研究计算机模拟生物宏观视觉功能的科学和技术，即用摄像机和计算机等机器代替人眼对目标进行测量、跟踪和识别，并加以判断。主要应用于如工业检测、工业探伤、精密控制、自动生产流水线、邮政自动化、粮食优选、显微医学操作，以及各种危险场合工作的机器人等…。

机器视觉技术简介机器视觉是图像技术、模式识别技术，以及计算机技术发展的新的产物，是实现智能化、自动化、信息化的先进技术领域。机器视觉发展至今已经成为一门由计算机科学、信号处理、人工智能、模式识别、人工神经网络等多学科综合而成的交叉学科。它侧重于研究视觉理论，它的研究内容以图像分析、图像理解为主。

机器视觉发展和现状在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%左右都集中在半导体行业。机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。除此之外，机器视觉还用于其他各个领域。

基于视觉抓取定位的关键技术图像处理与识别机器视觉系统中，视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。

图像处理与识别图像的增强图像的增强用于调整图像的对比度，突出图像中的重要细节，改善视觉质量。通常采用灰度直方图修改技术进行图像增强图像的平滑图像的平滑处理技术即图像的去噪声处理，主要是为了去除实际成像过程中，因成像设备和环境所造成的图像失真，提取有用信息。

图像处理与识别图像的分割图像分割是将图像分成若干部分，每一部分对应于某一物体表面，在进行分割时，每一部分的灰度或纹理符合某一种均匀测度度量。某本质是将像素进行分类。分类的依据是像素的灰度值、颜色、频谱特性、空间特性或纹理特性等。

图像处理与识别图像的识别图像的识别过程实际上可以看作是一个标记过程，即利用识别算法来辨别景物中已分割好的各个物体，给这些物体赋予特定的标记，它是机器视觉系统必须完成的一个任务。

需要解决的关键问题图像分割目标识别目标分类坐标转换

论文设想通过嵌入式系统对图像进行实时处理。重点研究机器视觉技术与嵌入式系统相结合的系统关键技术和软硬件设计，实现实时、准备的目标识别与定位系统。为机器人完成作业提供数据支持。

主要研究内容分析目前机器视觉系统中存在的问题，结合实时图像处理技术，对目标提取的流程和关键技术分析和选择。在分析图像识别与定位系统功能需求和应用特点上，提出系统体系结构，并设计系统的总体方案。基于ARM平台的嵌入式系统平台搭建。

主要研究内容研究并设计系统的软件架构，对嵌入式操作系统进行选择，分析并完成系统移植和重要方法和关键技术。研究并设计系统的连接及必要的驱动开发。针对目标识别与定位系统的特点和需求，开发相关应用软件程序。

总体框架

系统结构组成图

需要解决的问题

——图像处理图像分割基于灰度图像的分割基于彩色图像的分割特征检测特征的描述特征的提取特征的分类目标定位使用相机和其它测距手段来获取三维空间信息

需要解决的问题

——嵌入式平台搭建处理器选择ARM7、ARM9、ARM11或其它操作系统选择Linux、wince或其它操作系统的移植相应硬件连接及驱动开发相机与ARM系统的通信和数据收集

需要解决的问题

——相应软件设计图像收集、处理、分割、目标识别的处理程序开发用C/C++进行开发（难点）图像收集、处理、分割、目标识别的界面程序开发用QT开发（难点）将目标的信息用坐标信息表示机器人学、几何学等（难点）